网上关于nginx的介绍有很多，这里讲述的是上游服务（如下图的Java1服务）在没有“网关”的情况下，如何通过nginx做到动态上下线。
传统的做法是，手动修改nginx的upstream文件，将Java1的配置注释或者标记为down，然后reload nginx生效。当然可以做成脚本自动化修改，然而对于一个繁忙的nginx来说，贸然reload轻则响应缓慢，重则雪崩丢失流量。
那么怎样做到nginx动态加载upstream配置呢？网上大体有3种方案：
- 通过Lua脚本结合nginx，也就是Openresty方案；
- 给nginx的每个server额外添加一个端口，每次通过调用这个端口修改upstream；
- 给nginx添加数据库，upstream数据放在数据库中，通过修改数据库数据实现修改upstream配置。
对于一个正在运行的生产环境nginx来说，第3个方案无疑是成本最低的。下面让我们具体看一下：
技术方案：nginx1.16+nginx_upstream_check_module+nginx-upsync-module+consul
说明：
- 这里的consul就是上面所说的数据库，它不只是key/value类型的库，还有一个简洁的web管理页面，可以很方便的管理键值对数据；
- nginx_upstream_check_module是阿里开源的针对上游服务的健康检测模块；
- nginx-upsync-module是微博开源的可以与consul/etcd结合的模块。
下面分别通过consul集群部署、nginx改造、创建upstream数据3个方面逐一讨论实施细节。
一、部署consul集群
官网：https://www.consul.io/
假设用下面3台机器组成一个Consul集群：
192.168.21.11 192.168.21.12 192.168.21.13 192.168.21.14 # 这个IP为代理IP，用于代理上面3台机器
1. 准备工作
从官网下载consul压缩包，分别上传到上面3台服务器，这里的consul版本为1.8.4：
unzip consul_1.8.4_linux_amd64.zip mv consul /usr/local/bin/ [root@nginx-11 tmp]# consul Usage: consul [--version] [--help] <command> [<args>] Available commands are: acl Interact with Consul's ACLs agent Runs a Consul agent catalog Interact with the catalog ....
3台机器分别创建consul数据、日志、配置文件目录：
mkdir -p /data/consul/{data,log}
mkdir /etc/consul
2.生成consul配置文件
下面以192.168.21.11的配置文件为例：
[root@nginx-11 tmp]# cat /etc/consul/config.json
{
"datacenter":"dc1",
"primary_datacenter":"dc1",
"bootstrap_expect":3,
"start_join":[
"192.168.21.11",
"192.168.21.12",
"192.168.21.13"
],
"retry_join":[
"192.168.21.11",
"192.168.21.12",
"192.168.21.13"
],
"advertise_addr": "192.168.21.11",
"bind_addr": "192.168.21.11",
"client_addr": "0.0.0.0",
"server":true,
"connect":{
"enabled":true
},
"node_name":"192.168.21.11",
"ui": true,
"data_dir":"/data/consul/data",
"enable_script_checks":false,
"enable_local_script_checks":true,
"log_file":"/data/consul/log/",
"log_level":"info",
"log_rotate_bytes":100000000,
"log_rotate_duration":"24h",
"encrypt":"a2zC4ItisuFdpl7IqwoYz3GqwA5W1w2CxjNmyVbuhZ4=",
"acl":{
"enabled":true,
"default_policy":"deny",
"enable_token_persistence":true,
"enable_key_list_policy":true,
"tokens":{
"master":"6c95012f-d086-4ef3-b6b9-35b60f529bd0"
}
}
}
说明：
- 另外2台服务器的配置文件，分别将上面的advertise_addr、bind_addr、node_name对应值修改为对应IP，其他配置不需要改变；
- 参数 "bootstrap_expect":3 意为希望部署一个3个节点的集群，请根据实际情况配置；
- encrypt与tokens对应的值，3台机器应保持一致，encrypt值可以通过consul keygen命令生成，token值可以通过uuidgen命令生成，也可以都通过这2个工具生成；
- 相关参数的理解可以参考：https://juejin.im/post/6844903860717240334
3. 创建consul集群
分别在3台机器上启动consul即可：
consul agent -config-file=/etc/consul/config.json &
通过浏览器访问http://192.168.21.14:8500（或者任意一个IP:Port）即可访问consul后台界面，输入上面master的tokens值可以看到里面具体内容。
注意：
- 上面配置文件中的acl配置，“enable_key_list_policy”配置一定要加上，且值要配成“true”，否则匿名用户可能访问不到consul配置内容。
4. 为非管理员创建consul访问权限
1）创建访问策略
通过浏览器访问consul，点击ACL -> Access Controls -> Policies -> 右上角Create创建一个只读“upstreams”kv策略，名称为：readonlykv，Rules内容为：
key_prefix "upstreams/" {
policy = "list"
}
创建一个可以写“upstreams”kv策略，名称为：writekv，Rules内容为：
key_prefix "upstreams/" {
policy = "write"
}
创建好的2条策略截图如下：
2）创建访问token
在匿名用户token中加入允许访问只读“upstreams”kv策略，用于允许nginx模块匿名读取consul配置：
点击00000002，在Policies中选择readonlykv即可。
创建可以写“upstreams”kv的token，用于脚本带此token修改consul配置：
通过浏览器访问consul，点击ACL -> Access Controls -> Tokens -> 右上角Create，在Policies中选择writekv。
修改／创建好的2条token截图如下：
到此Consul集群部署完成。
二、nginx改造
1. 升级nginx
下载nginx相关模块：
nginx-upsync-module：https://github.com/weibocom/nginx-upsync-module
nginx_upstream_check_module：https://github.com/xiaokai-wang/nginx_upstream_check_module
注意：
- 下载nginx_upstream_check_module模块时请一定到xiaokai-wang的GitHub上下载，千万不要到阿里的官方GitHub上下载，否则版本不兼容编译不过去；
- 在对Nginx升级前请先做好数据备份。
1）对nginx_upstream_check_module打patch
cd nginx-1.16.0 patch -p1 < /usr/local/src/nginx-1.16/nginx_upstream_check_module-master/check_1.12.1+.patch
说明：我把下载的2个nginx模块源码包放在了/usr/local/src/nginx-1.16/路径下。
2）编译nginx
./configure --prefix=/usr/local/nginx --add-module=/usr/local/src/nginx-1.16/nginx_upstream_check_module-master --add-module=/usr/local/src/nginx-1.16/nginx-upsync-module-master ...
说明：
我把nginx安装在/usr/local/下面；
命令后面的省略号是你要安装的模块，请根据实际情况添加，通过nginx -V可以看到当前安装了哪些模块，然后加上去即可。
3）安装nginx
make # 如果是平滑升级，该步不要执行 make install
4）升级nginx
#再次备份nginx二进制文件 mv /usr/local/nginx/sbin/nginx /usr/local/nginx/sbin/nginx16.old #用新nginx二进制文件替换老的 cp objs/nginx /usr/local/nginx/sbin/ #查看已安装的nginx模块 /usr/local/nginx/sbin/nginx -V
提醒：经过测试发现nginx1.6通过reload或者发送kill -USR2命令，老的nginx进程并不会退出，需要重启nginx才可以生效，不知道是不是Bug。
/usr/local/nginx/sbin/nginx -s stop #如果老的nginx进程仍未推出，使用kill -9强制杀掉ps -ef |grep nginx #开启nginx /usr/local/nginx/sbin/nginx # 说明：发送kill -USR2命令 kill -USR2 `cat /usr/local/nginx/logs/nginx.pid`
到此，nginx升级完成。
2. 配置nginx
1）首先配置nginx展示页面，用于快速了解nginx运行状态
cat nginx.conf
server {
listen 80;
server_name localhost;
# 在server 80中展示upstream，相当于全局配置，其他配置文件不需要配置 # 浏览器访问http://nginx-ip:80/upstream_show能查看到nginx upstream的具体配置信息
location = /upstream_show {
upstream_show;
}
# 在server 80中展示check详情，相当于全局配置，其他配置文件不需要配置 # 浏览器访问http://nginx-ip:80/status能查看到上游服务的健康状态，报红即为有问题，白色即为正常
location /status {
check_status;
}
# 在server 80中展示nginx自带的状态，相当于全局配置，其他配置文件不需要配置 # nginx原生自带功能
location /NginxStatus {
stub_status on;
access_log off;
allow 192.168.0.0/16;
deny all;
}
}
# 引入具体server配置，每个server需要配置nginx-upsync-module模块的配置
include /usr/local/nginx/conf/vhosts/*.conf;
2）server配置
http方式检测
upstream rs1 {
server 127.0.0.1:11111;
upsync 192.168.21.14:8500/v1/kv/upstreams/rs1/ upsync_timeout=6m upsync_interval=500ms upsync_type=consul strong_dependency=off;
upsync_dump_path /usr/local/nginx/conf/servers/servers_rs1.conf;
check interval=1000 rise=2 fall=2 timeout=3000 type=http default_down=false;
check_http_send "HEAD /health.htm HTTP/1.0\r\n\r\n";
check_http_expect_alive http_2xx http_3xx;
}
server {
listen 80;
...
tcp方式检测（tcp为默认检测方式）
upstream rs2 {
server 127.0.0.1:11111;
upsync 192.168.21.14:8500/v1/kv/upstreams/rs2/ upsync_timeout=6m upsync_interval=500ms upsync_type=consul strong_dependency=off;
upsync_dump_path /usr/local/nginx/conf/servers/servers_rs2.conf;
check interval=1000 rise=2 fall=2 timeout=3000 type=tcp default_down=false;
}
server {
listen 80;
...
说明：
- 推荐使用http方式检测，http比tcp方式更准确，该检测方式为nginx_upstream_check_module提供，功能强大，参数简单解释：每隔1秒进行1次健康检查，每次超时时间为3秒，连续2次健康检查成功则认为这个上游服务健康，将会被上线或一直保持在线；连续2次健康检查失败则认为这个上游服务不健康，将会被剔除下线。“/health.htm”是上游服务的健康检查接口，通过它判断服务是否健康。具体参数解释可参考：http://tengine.taobao.org/document_cn/http_upstream_check_cn.html
- 参数简单解释：nginx-upsync-module模块会每隔0.5秒向consul数据库检查一次配置，每次超时时间为6分钟。具体参数解释可参考：https://github.com/weibocom/nginx-upsync-module
- nginx会在/usr/local/nginx/conf目录下面创建servers子目录，该子目录下会自动创建相关server配置文件。
到此，nginx配置修改完成。
三、创建upstream数据（consul键值对）
可以通过web页面或者脚本创建upstream数据，方法如下：
1. web页面操作
如果需要创建目录，在要创建的字段后面加上"/"即可，如：upstreams/ 。
"Key/Value"中必须先创建"upstreams"目录（后面有字母s），然后再创建对应的server名称，截图如下：
2. 命令行操作
使用命令行时不需要先创建"upstreams/"目录，命令会自动创建目录以及server数据。
下面以上游服务Java1（IP为192.168.20.100，端口号为8080，upstream分组名称为rs1）为例：
添加记录
curl -X PUT http://192.168.21.14:8500/v1/kv/upstreams/rs1/192.168.20.100:8080"htmlcode">server 192.168.20.100:8080 weight=1 max_fails=2 fail_timeout=10s;可以通过下面命令自定义权重等值：
curl -X PUT -d "{\"weight\":100, \"max_fails\":2, \"fail_timeout\":10}" http://192.168.21.14:8500/v1/kv/upstreams/rs1/192.168.20.100:8080"weight":100, "max_fails":2, "fail_timeout":10}' http://192.168.21.14:8500/v1/kv/upstreams/rs1/192.168.20.100:8080"htmlcode">curl -X DELETE http://192.168.21.14:8500/v1/kv/upstreams/rs1/192.168.20.100:8080"htmlcode">curl -X PUT -d "{\"weight\":100, \"max_fails\":2, \"fail_timeout\":10}" http://192.168.21.14:8500/v1/kv/upstreams/rs1/192.168.20.100:8080"weight":100, "max_fails":2, "fail_timeout":10}' http://192.168.21.14:8500/v1/kv/upstreams/rs1/192.168.20.100:8080"htmlcode">curl -X PUT -d "{\"weight\":2, \"max_fails\":2, \"fail_timeout\":10, \"down\":1}" http://192.168.21.14:8500/v1/kv/upstreams/rs1/192.168.20.100:8080"weight":2, "max_fails":2, "fail_timeout":10, "down":1}' http://192.168.21.14:8500/v1/kv/upstreams/rs1/192.168.20.100:8080"htmlcode">curl http://192.168.21.14:8500/v1/kv/upstreams/rs1?recurse推荐使用命令行操作，建议将命令行组装成脚本实现DevOps
四、一点感悟
在改造该动态发现方案期间，遇到了很多问题，最棘手的一个问题是测试环境种nginx一直报错，upstream数据始终无法完整下载，经过各种排查还是没有发现问题，中间我怀疑过是consul的问题，换成了etcd还是同样的报错，最后通过抓包跟踪，发现是Linux内核参数配置不当，导致队列溢出tcp三次握手失败，影响nginx与consul通信。
很多方案理论上是没有问题的，甚至说有人已经成功运用了，但是实际上亲自实施的话还是会遇到各种各样的问题，有些甚至是致命的，这时候就需要耐心的解决。希望大家在看到这篇文章的时候也去动手试试，如果遇到了问题请静下心来耐心排查。
还有一个是，很多人说运维是不产生价值的，我认为这么说是不对的，运维需要体现的价值有很多，SRE就是其中的一种。